Почему прогностическая аналитика помогает увеличить пожизненную ценность клиента (CLV)

Когда дело доходит до маркетинговых усилий, вы, вероятно, уделяете значительное внимание аналитике. Однако ваш взгляд может быть ограничен. Вы можете смотреть в прошлое, не задумываясь о том, как моделировать будущее.

И, вопреки тому, во что хотелось бы верить маркетологам, прошлое не всегда является хорошим способом моделирования будущего. Именно поэтому, когда вы видите, что финансовая компания рекламирует свою способность превратить небольшие инвестиции в крупный капитал, внизу обычно есть приписка: «Прошлые результаты не являются показателем будущих результатов».

Конечно, это не мешает нам использовать прошлые показатели для прогнозирования поведения с помощью прогностического моделирования. Но то, как мы используем эти данные, может измениться, поскольку предиктивные метрики начинают доказывать свою ценность — во многом благодаря мастерству искусственного интеллекта и машинного обучения.

Сегодня я расскажу, почему маркетологам необходимо учитывать ориентированную на будущее аналитику, глядя вперед.

### Маркетологам нужна полная картина

Маркетологи ориентированы на кампании. Скорее всего, вы уделяете много внимания измерению успеха каждой кампании как отдельной сущности, зачастую больше, чем измерению пожизненной ценности клиента (CLV). Это происходит по разным причинам. Главная из них: метрики кампаний измерить проще, чем индивидуальный CLV.

Хотя метрики уровня кампании, безусловно, важны, концентрация только на одной кампании без анализа долгосрочных трендов означает, что вы упускаете общую картину — не замечаете непредвиденных прибылей или, что опаснее, пропускаете тревожные сигналы.

Кроме того, современные методы расчета CLV не слишком точны. Они используют известные исторические данные и основываются исключительно на прошлых транзакциях конкретного клиента или группы. Это дает представление только о том, что уже произошло, и мало что говорит о потенциальной ценности новых подписчиков и клиентов.

### Ориентированная на будущее аналитика повышает CLV

Из-за этой неточности многие продвинутые маркетологи пренебрегают использованием CLV для разработки маркетинговой стратегии. Это заставляет их оптимизировать краткосрочную выгоду в ущерб долгосрочной. Я же утверждаю, что нам нужен лучший способ расчета CLV, который выходит за рамки использования прошлого для предсказания будущего.

Это привело меня к прогнозу, что 2018 год станет годом, когда маркетологи начнут требовать более точных способов расчета CLV. Не то чтобы мы полностью примем эту концепцию и освоим её к 31 декабря, но всё больше продвинутых маркетинговых команд начнут видеть её ценность и работать в этом направлении.

Что вселяет в меня оптимизм относительно улучшения предиктивных маркетинговых метрик, так это растущее понимание и внедрение машинного обучения для прогнозирования индивидуальной и групповой пожизненной ценности клиента. Иными словами — развитие предиктивного CLV.

### Эффективный маркетинг должен смотреть вперед

Я позаимствовал это определение у SAS за его ясность и применимость в мире маркетинговой аналитики:

*«Предиктивная аналитика — это использование данных, статистических алгоритмов и методов машинного обучения для определения вероятности будущих результатов на основе исторических данных. Цель состоит в том, чтобы выйти за рамки понимания того, что произошло, и обеспечить наилучшую оценку того, что произойдет в будущем».*

У этого подхода есть множество применений вне маркетинга — «Эй, Siri!» — но он занимает особое место в работе маркетологов, особенно в ритейле и e-commerce:

— Снижение оттока клиентов за счет выявления сигналов недовольства, которые пропускает текущая аналитика.

— Прогнозирование изменения поведения, а не работа с последствиями, например, через реактивацию или ретаргетинг.

— Увеличение дохода за счет снижения оттока и таргетинга сообщений, стимулирующих повторные покупки и увеличение среднего чека.

— Повышение пожизненной ценности клиента (CLV).

### Исследования подтверждают превосходство предиктивных метрик над историческими

The Relevancy Group провела обширное исследование ориентированной на будущее аналитики и её роли в продвинутом маркетинге, что можно увидеть на трех графиках ниже.

На первом графике показаны преимущества использования продвинутой аналитики, такой как предиктивный CLV, по сравнению с базовой аналитикой на основе исторических данных.

Предиктивный CLV предоставляет прикладные инсайты, которые помогают маркетологам принимать обоснованные решения для роста доходов:

— Какая группа подписчиков и их атрибуты будут наиболее прибыльными в течение определенного периода.

— Какой канал или тактика привлечения дают клиентов с самым высоким CLV.

— Какие атрибуты клиента способствуют увеличению пожизненной ценности.

### Чего хотят маркетологи?

Второй график показывает, что маркетологи ценят полезные и глубокие аналитические сервисы.

## Заключение

Мы еще не достигли цели, как видно на третьем графике. Два фактора могут ускорить этот тренд: лучшее знакомство с методами машинного обучения, которые движут предиктивной аналитикой, и включение специалистов по анализу данных (Data Scientists) в состав маркетинговых команд.

Источник: Исполнительный опрос The Relevancy Group, n=431, 1/17, только для США.

Я с нетерпением жду, когда маркетологи обратятся к предиктивной аналитике, чтобы усилить CLV и получить другие полезные инсайты. Это произойдет по мере того, как всё больше маркетологов будут осознавать преимущества использования предиктивных маркетинговых метрик для предоставления большей ценности клиентам.